摘要

北約和各國迫切需要進行團結和聯合集體訓練，以確保任務準備就緒:目前和未來的行動是多國性質的，任務和系統慢慢變得更加復雜，需要詳細準備和迅速適應不斷變化的情況。由于可用資源少、訓練范圍有限、避免對手關注第五代戰術和系統能力的挑戰以及政治決策和部署之間準備時間有限，多國背景下的現場訓練和任務準備的機會減少了。模擬已經成為解決我們軍隊訓練需求的重要工具，各國正朝著通過分布式模擬(MTDS)能力采用國家任務訓練的方向發展。聯合部隊正在尋找實況和模擬訓練與演習之間的新平衡，以提供兩全其美的效果。

北約建模和仿真組(NMSG)的若干倡議為北約MTDS愿景和行動概念的發展貢獻了寶貴的投入(MSG-106 NETN, MSG-128 MTDS, MSG-169 LVC-T)。基于這些結果，當前/最近的NMSG活動(MSG-163北約標準演變、MSG-165 MTDS- ii、MSG-180 LVC-T)致力于為聯合和聯合作戰開發一個通用MTDS參考體系結構(MTDS RA)。最近完成的MTDS RA版本以構建模塊、互操作性標準和模式的形式定義了指導方針，用于實現和執行分布式模擬支持的綜合集體訓練和演習，獨立于應用領域(陸地、空中、海上)。此外，MSG-164 (M&S作為服務II)開發了一種技術參考體系結構(MSaaS TRA)，其中包含用于實現所謂MSaaS能力的構建塊。這些構建模塊可以與MTDS RA相結合，以包括作為服務執行綜合集體訓練和演習的指導方針。

MTDS RA的當前版本提供了一個基線，以詳細說明和確定應進行進一步需求/技術開發的領域。未來更新的主題包括網絡作戰和影響、危機管理、實時系統集成、多域或混合作戰等。

聯合MTDS對北約和國家戰備至關重要。本文提供了MTDS RA的背景、目標和原則，以及實現持久的北約范圍內綜合性集體訓練能力的前進方向。聯合MTDS RA的維護和繼續發展將是幾個北約國家、伙伴國家和組織在NMSG主持下的合作努力。

快速復雜控制系統的實時優化

控制系統是使汽車、機器人和制造過程等動力系統實現理想行為的機制;雖然看不見，但它們往往是我們日常生活中必不可少的。控制工程涉及控制系統的分析和設計，最優控制是控制工程中的重要問題之一。在最優控制問題中，在給定約束條件下，控制輸入以最小化代價函數為目標。即使已知控制系統的數學模型，由于大量的計算或數據存儲，通常很難找到其最優控制輸入，幾十年來，開發高效的最優控制問題算法一直是一個活躍的研究領域。在動態系統數學模型未知的情況下，通過自適應或學習實現動態系統的最優控制具有挑戰性;此外，開發實用的未知動力系統最優控制方法是控制工程和機器學習的一個挑戰。因此，控制系統為機器學習提供了充足的動力和機會。本教程旨在幫助機器學習領域的研究人員和工程師解決控制系統中的問題。首先概述了控制工程中的問題和概念，并概述了不需學習控制方法的具體好處; 本文主要研究的是基于實時優化的模型預測控制(MPC)，該方法近年來得到了迅速的發展。MPC可以解決傳統控制目標之外的各種控制問題，如調節和跟蹤，并且在實時優化可行的情況下適用于各種類型的動力系統。MPC的典型應用包括基于詳細非線性模型的機械系統，如無人機、汽車和機器人，采樣周期為毫秒量級。此外，MPC能夠實現最優控制性能，常被用于學習控制方法的參考。在這些現有成果的背景下，將展開一場關于控制工程的思想和方法的討論，這將證明對機器學習是有益的。

//nips.cc/Conferences/2021/Schedule?showEvent=21892